Uncategorized

Dashboard Sichtbarkeit

Ein Dashboard für den Anwender

Der häufigste Grund, den ich gehört habe, um die Einrichtung eines Dashboards zu rechtfertigen, ist eine Variante von „wir brauchen das, weil [Mitarbeiter] dann die Kennzahlen jederzeit einsehen kann“. Die Theorie besagt, dass der Analyst nun, da die Zahlen und Diagramme auf einem Dashboard zur Selbstbedienung zur Verfügung stehen, sich anderen Aufgaben widmen kann, während die Teams den Finger am Puls des Geschäfts haben wie nie zuvor.

In der winterlichen Jahreszeit verlangsamen sich die Geschäftstätigkeit und andere Aktivitäten. Die Zahl der Menschen, die sich für ein Dashboard interessieren und eine Kennzahl im Auge behalten, ist auf dem niedrigsten Stand des Jahres.

Und doch gehen die Geschäfte und das Leben an sich weiter wie bisher. Wenn Sie Zugang zu den Daten über die Seitenaufrufe von Dashboards haben oder einfach nur feststellen, dass der Datencache immer veraltet ist, können Sie leicht feststellen, dass die große Mehrheit der Dashboards nicht angesehen wird. Einmal habe ich beobachtet, wie eine wichtige Änderung an das Data Warehouse übermittelt wurde und mehr als die Hälfte der Dashboards einiger Teams kaputt gingen, ohne dass dies jemandem aufgefallen wäre.

Mit diesem Wissen im Hinterkopf sind die meisten Leute der Meinung, dass ein solches Dashboard gar nicht erst hätte existieren müssen. Welchen Wert kann man schließlich schaffen, wenn das Tool nie bis selten von der vorgesehenen Zielgruppe genutzt wird? Wenn der Datenverantwortliche dann auch noch Zeit und Mühe aufwenden muss, um das Dashboard zu pflegen, wird die Sache schlimmer.

Im Großen und Ganzen stimme ich mit dieser Einschätzung überein. Es ist nie gut, wenn man sich die Mühe macht, etwas zu entwickeln, das nicht genutzt wird. Aber die meisten Dinge sind nicht so einfach, und so habe ich in letzter Zeit darüber nachgedacht, ob es überhaupt einen Wert hat, eine Reihe von selten (oder nie) genutzten Dashboards herumliegen zu haben.

Warum werden die meisten Dashboards übersehen?

Es gibt viele Faktoren, die dazu führen, dass Menschen lernen Dashboards zu ignorieren. Die enthaltenen Informationen können sich über Tage hinweg wiederholen und die Menschen langweilen sich. Sie sind nicht relevant für das, woran sie gerade arbeiten. Sie sind schwer auffindbar und sie vergessen, wo sie sich befinden. Und so weiter.

Ich glaube das größte Problem ist, dass die Zahlen und Diagramme auf einem Dashboard nur selten eine direkte persönliche Bedeutung für die Benutzer haben. Es gibt zich andere Dinge zu tun, und wenn das Dashboard nicht direkt mit der eigenen Leistung oder Vergütung zu tun hat, gibt es wahrscheinlich wichtigere Dinge, auf die man schaut. Die Wahrscheinlichkeit, dass Menschen die Aktienkurse überprüfen, ist größer, wenn sie die Aktien tatsächlich besitzen (und somit von ihnen profitieren).

Selbst wenn man es gut meint und weiß, dass eine Kennzahl wichtig ist, wie z. B. der Umsatz des Unternehmens/der Abteilung/der lokalen Gruppe, so ist es doch sehr selten, dass es jemandem gelingt, die Überprüfung eines Dashboards oder das Lesen einer automatisierten E-Mail zu einer dauerhaften Gewohnheit zu machen. Menschen sind nun einmal so. Ohne eine externe Motivationsquelle werden Dashboards und andere Selbstbedienungstools in der Regel vergessen.

Bringen Sie externe Motivation ins Spiel

Wie kann man am besten von außen motivieren, sich ein Dashboard anzusehen? Meiner Erfahrung nach sollte man ein Treffen in den Kalender der Mitarbeiter eintragen, um die Kennzahlen auf dem Dashboard zu überprüfen und zu diskutieren. Das schafft einen starken Zwang, sich das Ding anzusehen, und es schafft auch eine Situation, in der man sich nicht frei bewegen und so tun kann, als würde man sich das Dashboard ansehen – es gibt überall Zeugen. Das ist wie das Teilen von Hausaufgaben in der Schule.

Der Wert besteht darin, dass jetzt Diskussionen über die Daten stattfinden. Das bedeutet, dass wir uns gelegentlich der Tatsache stellen müssen, dass es uns vielleicht egal ist, ob eine Kennzahl nach oben oder unten geht oder ganz einfach schwankt. Es bedeutet, dass wir uns vielleicht eingestehen müssen, dass unsere Kennzahlen uns nichts sagen und wir etwas ändern müssen. Das Dashboard ist zufällig der Ausgangspunkt für all diese Diskussionen. Auf diese Weise werden Pläne und Entscheidungen getroffen.

Ich schlage also vor, eine sehr teure Sitzung mit mehreren Beteiligten zu veranstalten, um die Existenz eines Dashboards zu rechtfertigen.

Denn wenn ein solches Dashboard wichtig genug ist, um es zu erstellen und zu pflegen, dann sollte es auch so viel Wert schaffen, dass sich ein solches Treffen lohnt. Wenn wir wirklich der Meinung sind, dass ein Team die Konversionsrate des Anmeldetrichters für Benutzer überwachen muss, die die Website von Flugzeugen aus nutzen, dann sollten wir uns Zeit nehmen, um diese Bemühungen zu verfolgen. Andernfalls brauchen wir das Dashboard wahrscheinlich nicht zu erstellen, und es hilft, die Gesamtzahl in Schach zu halten.

Das ist natürlich ein extremes Beispiel, aber ich habe eine Reihe solcher Sitzungen erlebt, die ziemlich gut gelaufen sind. Wenn sich schließlich herausstellt, dass das Dashboard nicht mehr relevant ist, haben Sie ein klares Signal, das Dashboard abzuschalten.

Der andere, ruhigere Anwendungsfall – Dashboards als Rückfallebene

Mir fällt noch ein anderer, weniger aufregender Grund für die Existenz bestimmter Dashboards ein. Sie fungieren als magische Konserven für Analysen, auf die Analysten in der Zukunft zurückgreifen können. Es ist wie mit der Dose gebackener Bohnen, die Sie hinten in der Speisekammer stehen haben. Sie ist wahrscheinlich gut und nützlich, könnte aber in den letzten drei Jahren verdorben sein und kann Ihnen auf unerwartete Weise das Leben retten.

Selbst wenn niemand sonst jemals ein Dashboard verwenden wird, wird sich der Analyst, der es erstellt hat, höchstwahrscheinlich daran erinnern, dass ein solches Dashboard existiert und welche Fragen es beantworten kann. Wenn dann eine relevante Frage auftaucht (was unweigerlich der Fall ist), ist der Analyst oft die erste Person, die sich daran erinnert und das Dashboard zur Verwendung herauszieht.

Selbst wenn das Dashboard durch verschiedene Änderungen der Datenquellen beschädigt wurde, können oft einige Teile der Methodik gerettet und aktualisiert werden, um sie an die modernen Systeme anzupassen. Selbst wenn man einige Dinge korrigieren muss, ist das wahrscheinlich eine größere Zeitersparnis, als wenn man eine Analyse von Grund auf neu machen muss.

Sollten wir uns mit der Herstellung esoterischer Konserven beschäftigen? Eigentlich nicht. Der allgemeine Ratschlag, sich zu weigern, Dashboards zu erstellen, ist in der Regel richtig.

Aber obwohl wir diesen Rat befolgen, uns dagegen wehren und versuchen, die Erstellung von Dashboards auf ein Minimum zu reduzieren, ist es unvermeidlich, dass wir jedes Jahr ein paar Dashboards zum Wegwerfen erstellen. Sei es, weil der organisatorische Druck zu groß ist oder weil es zu dem Zeitpunkt eine gute Idee zu sein schien, wir werden es tun. Ich möchte sagen, dass selbst diese Bemühungen einen gewissen Wert haben. Es ist nicht alles reine Verschwendung.

Daher schlage ich vor, dass wir uns jedes Mal, wenn wir ein Armaturenbrett erstellen, das auf der Strecke bleibt, eine Minute Zeit nehmen und es absichtlich für unsere Zukunft schön verpacken. Es kostet nicht viel Mühe, irgendwo im Hintergrund ein paar Kommentare anzubringen, nur für den Fall, dass wir uns die Sache noch einmal ansehen.

Es sind vielleicht keine schmackhaften Daten, aber sie erfüllen ihren Zweck.

Datensilos: Was sind sie und wie geht man mit ihnen um?

Was sind Datensilos?

Ein Datensilo ist ein Quelle fester Daten, das unter der Kontrolle einer Abteilung bleibt und vom Rest des Unternehmens isoliert ist. Sie entstehen in der Regel, wenn ein Team eine Lösung erstellt, die einem einzigen Zweck oder einer Gruppe von Zwecken im Zusammenhang mit einem einzigen Thema dient.

Diese Lösung ist nicht mit anderen Teilen des Unternehmens verbunden und isoliert. Ein gutes Beispiel ist eine Datenbank mit Marketing-Leads, die nicht mit der zentralen Kundentabelle im Data Warehouse verknüpft ist.

Wozu können Datensilos führen?

Wenn Datensilos nicht rechtzeitig aufgelöst werden, erhält man im besten Fall kein vollständiges Bild. Man erhält Daten, die nicht so wertvoll sind, wie sie sein könnten, weil sie für andere Teams nicht zugänglich und nicht mit anderen Daten oder Tools im Unternehmen integriert sind.

Wenn Sie beispielsweise die Daten Ihres Vertriebs- und Kundensupportteams zusammenführen, können Sie die Gründe für die Kundenabwanderung erfahren oder andere Kundenaktivitäten ermitteln, die Ihrem Unternehmen potenziell helfen können.

Eine geringere Datenintegrität (da Sie mit mehreren Kopien von Datenbanken arbeiten, die sich überschneiden), eine geringere Datensicherheit und eine geringere Produktivität der Entwickler.

Wie geht man mit Datensilos um?

Eine Antwort auf Datensilos könnte die Zentralisierung von Daten sein – ein Konzept, das lange Zeit als heiliger Gral für Datenteams galt. Eine zentralisierte Datenbank, die verschiedene Lösungen, Tools und Unternehmensebenen miteinander verbindet und an einem Ort gepflegt und verwaltet wird, klingt für viele Unternehmen sehr verlockend.

Heutzutage beginnen Experten jedoch, die Ziele und die Durchführbarkeit der Datenzentralisierung in Frage zu stellen und stellen fest, dass sie sich für die meisten Unternehmen als schwer realisierbar erwiesen hat, und betrachten sie sogar als einen ziemlich altmodischen Ansatz für die Datenverwaltung, denn:

Ein gut gepflegtes, zentralisiertes Data Warehouse ist sehr komplex und schwer zu realisieren,
es führt zu großen monolithischen Lösungen, die den Arbeitsablauf der Teams einschränken,
es kann zu einem überspezialisierten Silo führen.

Experten bezeichnen das Data Mesh als einen weitaus vorteilhafteren und praktischeren Ansatz für die Gestaltung und Entwicklung von Datenarchitekturen. Dieser Begriff umschreibt mehrere Data Warehouses in einem Unternehmen, die miteinander verbunden sind und zusammenarbeiten.

In diesem Artikel gehen wir näher darauf ein, was Datensilos sind, was sie verursacht und warum sie schlecht für Ihr Unternehmen sind. Wir erläutern auch die Vorteile von Data Meshes im Detail und zeigen, wie Apache Airflow in dieses Bild passt.

Was sind die Ursachen für Datensilos in einem Unternehmen?

Um das Problem der Datensilos zu lösen, müssen Sie zunächst verstehen, was sie verursacht. Hier haben wir die 4 häufigsten Gründe für Datensilos zusammengestellt:

1. Überlastetes zentralisiertes Datenteam

Damit etwas funktioniert, braucht es Zeit. Wenn Ihr zentrales Datenteam überlastet ist, hat es möglicherweise nicht die Zeit auf jede neue Datenanfrage zu reagieren.

Andere Teammitglieder haben vielleicht Daten, die sie für wertvoll halten und die bereinigt und rationalisiert werden müssen und sie wollen (oder können) nicht darauf warten, dass diese Daten zu den vorhandenen ETL- und Lagerverfahren hinzugefügt werden. Also fangen sie an, die Sache selbst in die Hand zu nehmen.

Da Sie wahrscheinlich hoch qualifizierte und talentierte Mitarbeiter an Bord haben, werden sie eine vernünftige Lösung finden. Dabei handelt es sich jedoch um eine Einzellösung, die nicht in die übrigen Tools und Datenbanken des Unternehmens integriert ist. Ohne eine breitere Perspektive und großes systemisches Denken enden Sie mit Datensilos.

2. Verschiedene, nicht miteinander verbundene Datenbanken

Verschiedene Datenbanken neigen dazu, unterschiedliche Standards zu verwenden, und die Daten, die sie gemeinsam haben, stimmen möglicherweise nicht genau überein. Die Integration all dieser Datenquellen kann ausufernd werden. Je mehr unverbundene Datenbanken Sie haben, desto schwieriger wird es, die Daten zu katalogisieren, sie auf dem neuesten Stand zu halten und schließlich den Überblick über die Wahrheit zu behalten.

3. Veraltete oder falsche Tools für die Sammlung und Analyse von Daten

Eine Excel-Datei ist kein guter Ort, um Ihre Daten zu speichern und zu organisieren. Das mag offensichtlich erscheinen, ist aber ein häufigeres Problem, als Sie vielleicht denken. Außerdem verwenden einige Unternehmen möglicherweise ältere Tools, die nicht alle ihre Anforderungen erfüllen. Um Ihr Unternehmen skalierbar zu machen, müssen Sie in der Lage sein, Ihre Daten auf automatisierte, effiziente Weise zu verwalten und sich dabei auf moderne Tools für die Datenorchestrierung verlassen.

4. Ineffiziente Kommunikation und Unternehmenskultur

Um auf die Teams zurückzukommen, die an ihren eigenen Lösungen arbeiten… es ist nicht ihre Schuld. Wenn es an der Kommunikation zwischen den Führungskräften mangelt, wissen die Teammitglieder möglicherweise nicht einmal, dass es im Unternehmen zentralisierte Tools gibt, die sie nutzen sollten. Ein perfektes Beispiel dafür, dass ein Informationssilo ein Datensilo verursacht.

Warum Datensilos schlecht für Ihr Unternehmen sind

Wir alle wissen, dass Datensilos schlecht für das Geschäft sind, aber wissen Sie auch, wie genau sie Ihr Unternehmen beeinflussen? Natürlich können die negativen Auswirkungen von Datensilos von Unternehmen zu Unternehmen unterschiedlich sein, aber in diesem Artikel haben wir die häufigsten aufgeführt.

Geringere Datenintegrität

Datensilos führen dazu, dass Sie mehrere Kopien von Datenbanken haben, die sich überschneiden. Doppelte Daten führen zu verpassten Möglichkeiten, bessere und fundiertere Schlussfolgerungen zu ziehen. Mit anderen Worten: Es ist schwer, Ihren Daten zu vertrauen.

Kompromittierte Datensicherheit

Wenn Sie Ihre Daten in einer Excel-Datei aufbewahren oder sich auf unterschiedliche Datenquellen verlassen, können Sie nicht angemessen in verschiedene Sicherheitsebenen investieren. Unternehmen, die nicht in der Lage sind, eine umfassende Datensicherheit zu gewährleisten, haben es schwer, das Vertrauen ihrer Kunden aufrechtzuerhalten und auf dem wettbewerbsorientierten Markt zu bestehen.

Geringere Teamproduktivität

Datensilos führen zu Missverständnissen und einer schlechteren Zusammenarbeit zwischen Teams. Anstatt sich auf die Analyse von Daten zu konzentrieren, fundierte Schlussfolgerungen zu ziehen und das Unternehmen wachsen zu lassen, verschwenden Ihre Ingenieure ihre Zeit damit, herauszufinden, welche Daten wahr sind, wie sie eine gemeinsame Sprache finden können und warum ihnen bestimmte Informationen fehlen.

Datenzentralisierung oder Datennetz? Wie man Datensilos beseitigt

Bislang war die beliebteste Antwort auf die Beseitigung von Datensilos die Zentralisierung von Daten. Und es überrascht nicht, dass die Idee einer zentralen Datenbank, die verschiedene Lösungen, Tools und Ebenen des Unternehmens miteinander verbindet und an einem Ort gepflegt und verwaltet wird, sehr verlockend klingt und potenziell viele Vorteile mit sich bringen kann, z. B.:

  • Leichtere Handhabung für Entwickler
  • Leichtere und bessere Berichterstellung
  • Vereinheitlichung der Daten, die in verschiedenen Teams des Unternehmens verfügbar sind
  • Effizientere Datenverwaltung
  • Bessere Zusammenarbeit zwischen Teams
  • Mehr Sicherheit

Heutzutage befasst man sich jedoch eingehender mit der Datenzentralisierung und stellen fest, dass sie eine etwas altmodische Herangehensweise an die Datenverwaltung darstellt.

Monolithischen Lösungen – die zentrale Datenplattform

Und warum? Erstens ist ein gut verwaltetes, zentralisiertes Data Warehouse sehr komplex und schwer zu erreichen. Die Integration all dieser Daten in eine zentrale Datenbank dauert in der Regel Jahre.

Man verfolgt den Ansatz Daten an einem Ort zu zentralisieren, um nützlich und wertvoll zu sein. Das führt zu großen monolithischen Lösungen, die in der Praxis eher einem Datensumpf gleichen.

Da Teams durch diese monolithischen Lösungen eingeschränkt werden, versuchen sie, sie in kleinere, integrierte Teile aufzuteilen, in der Regel um technische Modi (z. B. Ingest, Process, Serve). Auf diese Weise werden die Teams um die Aufgaben und nicht um Anwendungsfälle oder Funktionen herum zerlegt.

Das ist eine schlechte Nachricht, denn Anwendungsfälle und Funktionen lassen sich in der Regel nicht in solch übersichtlichen Kästchen unterteilen – meistens überschneiden sie sich.

Zweitens führen zentralisierte Datenplattformen und monolithische Systeme zu einem überspezialisierten Silo. Das kann passieren wenn ein Unternehmen über hochspezialisierte Datenteams verfügt das maßgeschneiderte Lösungen entwickelt, die es unzureichend teilt. In diesem Fall steht die Lösung im Raum zwischen den Leuten die sie erstellen und jenen Endnutzer, die die Lösung brauchen. Sozusagen Insellösungen, die auf keiner Karte verzeichnet sind und nach einem meist einmaligen Anwendungsfall in Vergessenheit geraten.

Data Mesh – das Datengeflecht

Ein weitaus realistischerer, modernerer und vorteilhafterer Ansatz ist ein sogenanntes Data Mesh, das eine neue Art der Gestaltung und Entwicklung von Datenarchitekturen beschreibt.

Der Schwerpunkt liegt dabei auf mehreren Data Warehouses in einem Unternehmen, die miteinander verbunden sind und zusammenarbeiten. Die Idee ist, dass Sie immer noch eine zentralisierte Governance und Standards haben, aber auch mehrere Zentren, die mit zentral verwalteten Datenflüssen (Pipelines) miteinander vernetzt sind.

Wie ETL-Orchestrierung helfen kann

Die Lösung ist ein Framework für die Datenorchestrierung, ein steuerbares Netzwerk miteinander verbundener Datenflüsse. Hierdurch können Sie die Integration mehrerer Plattformen, Tools, Anwendungen und Datenbanken aktiv steuern.

Wenn Sie mit Daten arbeiten, tun Sie das in der Regel auf asynchrone Weise und versuchen herauszufinden, was funktioniert und was nicht. Irgendwann muss man dies jedoch formalisieren, denn ein wiederholter, kontinuierlicher Umgang mit Daten ist von großem Nutzen.

Apache Airflow ist ein solcher Datenorchestrator, der es Ihnen ermöglicht, diese Formalisierung viel einfacher und schneller vorzunehmen.

Mit Airflow können Sie:

  • Migrieren, stabilisieren, operationalisieren und integrieren Sie alle Ihre Legacy-Workloads. Sie können eine Multi-Tenant-Umgebung von einer einheitlichen Steuerungsebene aus steuern.
  • Entwickeln Sie eine zentrale Datenplattform oder ein Datengeflecht, das Ihren Anforderungen entspricht – und führen Sie Daten, Governance-Regeln und Geschäftslogik zusammen, die zuvor über verschiedene Teile des Unternehmens verstreut waren.
  • Geben Sie Ihren Entwicklungsteams eine Standardmethode für die Interaktion mit Daten an die Hand, um den für die Unterstützung ihrer Umgebungen erforderlichen betrieblichen Aufwand zu verringern.
Nach oben scrollen